设Yn1,Yn2,…,Ynn是在固定点xn1,xn2,…,xnn的n个观察值,满足以下模型其中{εni}是随机误差序列,m(x)是[0,1]上的未知函数,且把m(x)在[0,1]外的值定义为0,假定0=xn0≤xn1≤xn2≤…≤xn,n-1≤xnn=1.Priestley和Chao对未知函数m(x)提出一种加权核估计其中K(·)是可测函数,0<hn→0(当n→∞).关于Priestley-Chao回归估计mn(x)的相合性,无论是在独立样本还是在相依样本情形下都有不少学者进行过研究,获得了许多成果,但这些成果很少给出估计相合性的收敛速度.关于渐近正态性问题,Benedetti(1977)在独立样本条件下证明了估计mn(x)的渐近正态性,但没有给出收敛速度；在相依样本条件下,人们主要是对一般形式的权函数回归估计研究渐近正态性,很少有学者专门对Priestley-Chao回归估计mn(x)研究渐近正态性及其收敛速度.因此,本文在α混合情形下进一步讨论该估计mn(x)的强相合性以及一致渐近正态性.研究的主要内容和所得到的结果如下：首先,讨论了估计mn(x)的强相合性.当随机变量有界时,证明了估计的强相合收敛速度；当随机变量存在r阶矩(r>2)时,采用不同于许冰(2002)的方法,利用矩不等式证明了估计的强相合性,使得证明过程更简洁.其次,利用矩不等式和大小分块方法讨论了核估计mn(x)的一致渐近正态性,并在适当窗宽条件下获得了较好的收敛速度,该速度约为n-1/10.最后,通过数值模拟,进一步展示了估计的收敛特征.